R语言编码问题

OStack程序员社区-中国程序员成长平台 › 门户 › 编程› R语言›R语言教程

原作者: [db:作者] 来自: [db:来源] 收藏邀请

今天博客主要是解决一个学R语言里面最最痛苦的问题（嗯，python2.x里面也有），就是中文乱码问题：

一般用R语言的同学，多半遇见过以下这个问题：

反正虾神我每次遇见这个问题，立刻就是：

实际上这个问题写代码的人一般都能遇见，不同字符编码的问题，如果是从文件里面读的还好说，可以带这个字符编码集一起读，但是如果这个数据是来自于数据库的，如果经验的话，那就真得各种凉拌了。

下面我简单把我今天通过R语言从Postgresql数据库中处理中文问题的整个流程说说，如果哪位同学也遇上了，可以参考我的整个解决方式。

下面这个代码是简单的从R连接Postgresql获取数据的过程，如果没有中文，就一切ok:

library(ggplot2)
library(RPostgreSQL)
drv= dbDriver("PostgreSQL")
pgCon=dbConnect(drv,user="sde",password="sde",host="127.0.0.1")
s ="select * from chinapop"
rs = dbSendQuery(pgdb, statement = s)
df = fetch(rs, n = -1)

数据是我SDE库里面的，内容如下：

在数据库里面表现如下：

结构非常简单，大部分字段都是数字型，只有name这个字段是中文的，当我们运行连接和查询之后，在R语言里面就变成了这个一个dataframe：

然后我们如果想进行一下查询，比如要查一下以“南”在结尾的省（湖南、河南、海南、云南），那么sql语句变成：

一下就让我们抓狂了……生无可恋啊……

然后我们来看看为什么会出现这个问题，首先当然看看你的R语言的环境，这个可以通过sessionInfo()来实现

原来R语言默认使用的是你系统的字符集——我这里win7中文版，默认的字符集就是cp936,也就是所谓的gb2312编码。

然后再来看看我们数据库用的编码，我这里是Postgersql，其他的数据库查看方式自己百度：

字符编码是UTF-8……好吧，知道这个问题就好解决了。

首先，从数据库里面获取的数据，回来的是UTF8的，那么我们可以转成R的字符编码，转换的函数R语言里面已经提供了，叫做iconv(),如下：

将df里面的name数列，从UTF8的编码，转换为CP936，这样就变成了中文了。

下面就可以用同样的方式来处理中文查询的问题：
这次是从CP936转换为UTF8来执行，语句如下：
s =paste("select * from chinapop where name like '%",iconv("南","CP936","UTF8"),"'",sep = "")
paster函数，是R语言里面的字符串连接函数。

下面抛出了一个警告，所里面有个字段类型是st_geometry类型的，R语言读不了……这个是ArcGIS的东西，直接不管。

然后我们可以看出，查出来4条数据，说明SQL语句执行成功了，但是回来的还是乱码，接下去用上面说的iconv()函数转换一下就行：

到此，中文问题解决.

后面就是R语言老本行分析&可视化了，我们把这4个省的2008年的GDP做一个柱状图，代码如下（用的是ggplot2)
qplot(name,gdp_2008,data=df,fill=gdp_2008)+geom_bar(stat='identity')

如果还需要其他的各种分析可视化，敲命令就可以了，打完收工。